Le paradoxe de Borel (parfois appelé le paradoxe de Borel-Kolmogorov) est un paradoxe de la théorie des probabilités en rapport avec les probabilités conditionnelles et les densités de probabilité.
Supposons que nous ayons deux variables aléatoires, X et Y, de densité de probabilité conjointe pX,Y(x,y). Nous pouvons former la densité conditionnelle de Y sachant X,

où pX(x) est la loi marginale appropriée.
En utilisant le théorème du changement de variable, nous pouvons paramétrer la loi conjointe avec les fonctions U= f(X,Y), V = g(X,Y), et pouvons alors former la densité conditionnelle de V sachant U.

Étant donné une condition particulière sur X et la condition équivalente sur U, l’intuition nous suggère que les densités conditionnelles pY|X(y|x) et pV|U(v|u) devraient être identiques. Ce n’est pas le cas en général.
Un exemple concret
Soit la densité de probabilité conjointe

La densité marginale de X se calcule

Ainsi la densité conditionnelle de Y sachant X est

qui est uniforme suivant y.
Nouveau paramétrage
Maintenant, appliquons la transformation suivante :

En utilisant le théorème du changement de variable, nous obtenons

La distribution marginale se calcule et est égale Ã

Ainsi la densité conditionnelle de V sachant U est

qui n’est pas uniforme suivant v.
Le résultat non intuitif
D'après ce qui précède, nous avons

La condition équivalente dans le système de coordonnées u-v est U = 1, et la densité conditionnelle de V sachant U = 1 est

Paradoxalement, V = Y et X = 0 est identique à U = 1, mais
